Slama.rapport

FACULTE DES SCIENCES ET TECHNIQUES DE L'INGENIEUR
LA – LABORATOIRE D’AUTOMATIQUE

PROJET DE SEMESTRE M2
ETÉ 2007
Robust Pole Placement
of a Flexible Arm

PROFESSEUR : PROF. ROLAND LONGCHAMP
ASSISTANTS : DR. ALIREZA KARIMI ; HAMID KHATIBI
AHMED SLAMA
EPFL ‐ SECTION DE GÉNIE MÉCANIQUE
Année 2006‐2007

Ahmed Slama Robust pole placement
Table des matières

I. Introduction __________________________________________________________ ‐ 3 ‐
II. Modélisation mathématique ___________________________________________ ‐ 4 ‐
1. Première modélisation ______________________________________________________ ‐ 4 ‐
a. Modélisation du servomoteur _______________________________________________ ‐ 4 ‐
b. Modélisation du bras sans masse ____________________________________________ ‐ 7 ‐
c. Modélisation du bras avec une masse additionnelle _____________________________ ‐ 9 ‐
2. Vérification des modèles ___________________________________________________ ‐ 10 ‐
a. Modèle Quanser_________________________________________________________ ‐ 10 ‐
b. Modèle optimisé ________________________________________________________ ‐ 13 ‐
3. Nouvelle modélisation du bras souple ________________________________________ ‐ 16 ‐
4. Vérification des nouveaux modèles ___________________________________________ ‐ 18 ‐
a. Premier modèle sixième ordre _____________________________________________ ‐ 18 ‐
b. Modèle sixième ordre optimisé : ____________________________________________ ‐ 20 ‐
c. Modèle sixième ordre optimisé avec masse libre _______________________________ ‐ 24 ‐
III. Identification : ______________________________________________________ ‐ 27 ‐
IV. Régulateur RST _____________________________________________________ ‐ 29 ‐
1. Calcul des régulateurs ______________________________________________________ ‐ 29 ‐
a. RST simple _____________________________________________________________ ‐ 29 ‐
b. RST avec un zéro dans le polynôme S ________________________________________ ‐ 30 ‐
2. Régulateur conçu _________________________________________________________ ‐ 31 ‐
3. Essais sur les systèmes réels _________________________________________________ ‐ 34 ‐
V. Régulation Robuste _________________________________________________ ‐ 36 ‐

1. Théorie de la méthode de commande et control robuste _________________________ ‐ 36 ‐
2. Régulateur robuste ________________________________________________________ ‐ 38 ‐
3. Essais sur les systèmes Réels ________________________________________________ ‐ 41 ‐
a. Essai sur les systèmes utilisés pour concevoir le régulateur _______________________ ‐ 41 ‐
b. Essais sur d’autres systèmes _______________________________________________ ‐ 43 ‐
VI. Conclusion _________________________________________________________ ‐ 45 ‐

‐ 2 ‐

I. Introduction

La régulation robuste est un vrai sujet d’actualité dans le domaine de l’automatique auquel il faut
trouver des solutions adéquates vu que même si on ne change pas explicitement notre système, on
peut avoir à faire à ces modifications par le facteur naturel de l’usure des composants.
Notre bras ici est un système assez simple en apparence et sur lequel on peut traiter facilement le
problème de régulation robuste vu qu’on change facilement le système juste en ajoutant des masses
à un endroit donné du bras.
Le but de ce projet est de réussir à modéliser un régulateur robuste et comparer avec les régulateurs
RST vu au cours.

‐ 3 ‐

II. Modélisation mathématique
1. Première modélisation

Notre système est composé d’un bras flexible attaché à un moteur à courant continu au travers
d’une transmission, qu’on doit commencer par le modéliser mathématiquement à partir des
équations de la physique.
a. Modélisation du servomoteur

+ Lm
Rm τm
θm
Im
Vm Eemf M
Jm
‐ Jl θl
τl
Figure 1 : Schéma du moteur avec la transmission
On commence ici par modéliser la partie motrice du système qui contient une partie électrique et
une partie mécanique qui est la transmission, on devra obtenir la valeur du couple de sortie de la
transmission qu’on devra utiliser comme entrée par la suite pour modéliser notre bras.
On commence par appliquer la Loi des mailles « Kirchhoff » sur la partie électrique du moteur

On néglige ensuite l’inductance qui est très faible pour les moteurs électriques
On obtient donc la valeur du courant :
On sait que
Loi de mouvement pour le moteur :

‐ 4 ‐

Loi de mouvement à l’arbre de sortie de la transmission :

Et en remplaçant par sa valeur on obtient :

On a que ; et que donc en remplaçant convenablement dans l’équation

précédente on obtient :
D’ou la fonction de transfert :

Avec
On peut illustrer maintenant notre servomoteur à l’aide d’un schéma block :
Vm (s) Im (s) τm (s) τl (s) (s) θl (s)

ηm Kt ηg Kg
‐
(s)
Km (s) Kg

Figure 2 : schéma block du moteur
Ce qui vérifie très bien toutes les équations posées avant, on détermine maintenant facilement
l’expression du couple à l’arbre de sortie de la transmission qui sera utilisé par la suite dans la
modélisation du bras.

‐ 5 ‐


Tableau des variables :
Variables Valeurs Définitions

Vm différence de potentiel fourni au servomoteur
Im courant dans le circuit
Eemf Force électromotrice
θm position angulaire de l’arbre du moteur
vitesse angulaire de l’arbre du moteur
accélération angulaire de l’arbre du moteur
θl position angulaire de l’arbre de sortie
vitesse angulaire de l’arbre de sortie
accélération angulaire de l’arbre de sortie
couple fournie par le moteur
Couple applique l’engrenage
Kt 0.00767 N.m Constante de couple du moteur
Km 0.00767 V/rad/s Constante du moteur
Rm 2.6 Ω Resistance du moteur
Kg (14)x(5)= Rapport d’engrenage
Jeq 0.002 Kg.m2 Inertie équivalente du servomoteur
Beq 0.004 N.m/(rad/s) Viscosité équivalente du servomoteur
ηm 0.87 Rendement du moteur
ηm 0.85 Rendement de l’engrenage

‐ 6 ‐

b. Modélisation du bras sans masse
α ,
θ + α
θ,
Tl
θ
L

Figure 3 : Schéma du bras souple

Ici on modélise le bras en le considérant comme une barre flexible mais sans masse à laquelle on
ajoute une masse concentrée au bout.
Equations du mouvement :
On obtient les équations du mouvement avec la méthode de Euler Lagrange en dérivant le
Lagrangien par rapport aux variables généralises choisie ici θ et α.
Energie potentielle :
Energie cinétique :
D’où le Lagrangien :
On dérive maintenant en ajoutant les valeurs du couple et de la viscosité du moteur donc on aura :
Et on obtient les lois de mouvement :
Avec la valeur du couple à la sortie calculé avant :

‐ 7 ‐

Et donc on obtient les expressions des accélérations:
Desquels on obtient le model d’état du quatrième ordre suivant :
Tableau des variables :
Variables Valeurs Définition

θ position angulaire de l’arbre de sortie
vitesse angulaire de l’arbre de sortie
accélération angulaire de l’arbre de sortie
α position angulaire du bras flexible
vitesse angulaire du bras flexible
accélération angulaire du bras flexible
L 0.4826 m longueur du bras
m 0.065 Kg Masse du bras
Jb 0.005 Kg.m2 Inertie du bras
Kb 2 N.m/rad Rigidité du bras

‐ 8 ‐

c. Modélisation du bras avec une masse additionnelle

madd
L
θ
x

Figure 4 : Schéma du bras avec une masse additionnelle

A l’ajout d’une masse concentrée, à une certaine distance x du bout du bras, on suppose qu’il n’y a
pas de changements remarquables sur la fréquence propre et donc la rigidité du bras. Mais ca influe
juste sur l’inertie du bras qui va changer, donc la modélisation faite précédemment reste valable, en
changeant juste la valeur de l’inertie.
La nouvelle inertie devient donc :
Et le modèle de notre système devient :

‐ 9 ‐

2. Vérification des modèles

Pour la validation des résultats de modélisation on a procédé à une identification du système réel du
5eme ordre ce qui donne la fonction suivante :
On compare donc à chaque fois les réponses indicielles en boucle fermée, la place des pôles et des
zéros et les diagrammes de Bode du modèle obtenu et du système identifié.
a. Modèle Quanser

Le premier modèle ici est le modèle établi avec les valeurs des paramètres donnés par Quanser cités
précédemment :
Paramètres Valeurs Paramètres Valeurs Paramètres Valeurs

L 0.4826 m Kt 0.00767 N.m Jeq 0.002 Kg.m2
m 0.065 Kg Km 0.00767 V/rad/s Beq 0.004 N.m/(rad/s)
Jb 0.005 Kg.m2 Rm 2.6 Ω ηm 0.69
Kb 2 N.m/rad Kg (14) x (5) ηt 0.85

On obtient donc la fonction de transfert du modèle continu :
En procédant à un échantillonnage avec une période de Ts =0.015s on obtient la fonction de transfert
du modèle discret:
On vérifie maintenant la validité de notre modèle en procédant aux étapes citées ci‐dessus :

‐ 10 ‐


Figure 5 : réponse indicielle en boucle fermée du modèle Quanser
D’après la réponse indicielle on constate que la constante de temps diffère assez du système réel
donc le modèle est moins rapide que le système réel.

Figure 6 : Pole‐Zéro modele Quanser
On remarque aussi que les pôles dominants sont assez différents.

‐ 11 ‐


Figure 7 : Diagramme de Bode modèle Quanser
Sur le diagramme de Bode on voit que le modèle est assez différent du système réel en hautes
fréquences mais on pourra essayer de l’améliorer en l’adaptant convenablement dans les fréquences
basses et en essayant de compenser le pic des hautes fréquences qu’on n’a pas dans notre
modélisation.

‐ 12 ‐

b. Modèle optimisé

On essaye donc maintenant d’améliorer le modèle en modifiant convenablement les valeurs des
différents paramètres qui deviennent ici :

Jb 0.00105 Kg.m2 Kt 0.00767 N.m Jeq 0.000376 Kg.m2
Kb 1.4 N.m/rad Km 0.00767 V/rad/s Beq 0.004 N.m/(rad/s)
Rm 1.4 Ω ηm 0.89
Kg 44 ηt 0.85

Et on obtient le modèle suivant :
On procède ensuite à la comparaison :

Figure 8 : Réponse indicielle model optimisé (4eme ordre)
On voit qu’on a réussi à améliorer la réponse indicielle avec un modèle qui réagit plus vite que le
système réel mais toujours avec une constante de temps légèrement inferieure.

‐ 13 ‐


Figure 9 : Pole‐Zéro modèle optimisé (4eme ordre)
Les pôles dominants légèrement mieux placés avec une fréquence mois basse que l’ancien modèle.

Figure 10 : Diagramme de Bode modèle optimisé (4eme Ordre)

‐ 14 ‐

On voit que l’amplitude des basses fréquences est vraiment la même et qu’on essaye de compenser
le pic des hautes fréquences avec une moyenne d’amplitude plus importante dans cette zone.
A ce niveau on a essayé de tester le modèle en modélisant un régulateur RST sur la base de ce
dernier, appliqué au système réel mais les résultats n’ont pas été concluant, un seul régulateur a pu
fonctionner un peu par hasard avec des pôles du polynôme observateur à 0.4 et des pôles dominants
à une fréquence basse. On montre ici le résultat de la simulation du système réel identifié du 5eme
ordre auquel on applique le régulateur obtenu.

Figure 11 : Simulation linéaire RST sur le système identifié
Apres avoir essayé plusieurs autres modèles qui n’arrivent toujours pas à satisfaire notre système
réel on a conclu qu’a ce point notre modélisation n’est pas concluante et on le voit surtout au niveau
du diagramme de Bode. Une grande différence persiste au niveau des hautes fréquences due au seul
premier mode vibratoire qu’on a pris en compte dans la modélisation. On va donc essayer par la
suite de l’améliorer en augmentant les modes oscillatoires du bras.

‐ 15 ‐

3. Nouvelle modélisation du bras souple

α 2 , m/2
α 1 , m/2
L
θ

Figure 12 : Schéma du bras modélisé avec 2 masses concentrées

On modélise maintenant notre bras avec deux masses oscillantes au lieu d’une pour obtenir les deux
premiers modes vibratoires du bras souple, ce qui va nous mener à un modèle du sixième ordre et
donc espérer prendre en compte le pic des hautes fréquences du modèle obtenu avec identification.
Notre modèle contient donc une deuxième masse fixée au milieu du bras pour laquelle on devra
calculer la nouvelle valeur des inerties qui deviennent :
On utilise la même méthode, celle d’Euler Lagrange, pour dériver les équations du mouvement et
obtenir donc notre modèle d’état.
Energie potentielle :
Energie cinétique :
D’où le Lagrangien :
On dérive L par rapport aux variables généralisées donc :

‐ 16 ‐

Et on obtient les lois de mouvement :
On reprend donc la valeur du couple de l’arbre de sortie :
Et on obtient donc les expressions des accélérations angulaires :
D’où le nouveau modèle d’état du sixième ordre :
Avec : ; ; ; ; et D=0.

‐ 17 ‐

4. Vérification des nouveaux modèles
a. Premier modèle sixième ordre

Le premier modèle du sixième ordre ici a été obtenu avec des paramètres choisis convenablement
afin de placer le nouveau pic à la même fréquence, d’ou les valeurs :

L 0.42 m Kt 0.00767 N.m Jeq 0.0002 Kg.m2
m 0.065 Kg Km 0.00767 V/rad/s Beq 0.004 N.m/(rad/s)
Kb1 2 N.m/rad Rm 2.6 Ω ηm 0.89
Kb2 1 N.m/rad Kg 50 ηt 0.85

On obtient donc la fonction de transfert suivante :
D’où la comparaison des graphes :

Figure 13 : Réponse indicielle premier modèle du sixième ordre
La réponse indicielle est meilleure au début mais on remarque toujours une certaine différence
ensuite, donc toujours une constante de temps plus grande.

‐ 18 ‐


Figure 14 : Pole‐Zero du premier modèle 6eme ordre
On voit bien ici qu’on arrive à avoir des pôles assez proches donc on peut dire que le modèle est
meilleur vu qu’on a aussi des pôles en hautes fréquences.

Figure 15 : Diagramme de Bode premier modèle 6eme ordre
On a réussi à modéliser le pic des hautes fréquences mais on n’arrive toujours pas à avoir la bonne
amplitude. On a donc aussi testé des régulateurs mais qui ne fonctionnent toujours pas, on a donc
décidé d’améliorer le modèle avec une méthode d’optimisation.

‐ 19 ‐

b. Modèle sixième ordre optimisé :

On procède alors à une optimisation du modèle pour obtenir les valeurs des paramètres physiques
en minimisant un critère J qui représente la norme au carré de la différence entre la réponse de
notre modèle et du système réel, à un signal SBPA (signal binaire pseudo‐aléatoire), auquel on a
enlevé la composante linéaire.
Critère :
On utilise donc la fonction d’optimisation de Matlab: Fmincon et on obtient les valeurs suivantes des
différents paramètres :

L 0.3714 m Kt, Km 0.006 N.m Jeq 0.0004 Kg.m2
m1 0.0175 Kg Kb1 3 N.m/rad Beq 0.00294 N.m/(rad/s)
m2 0.0144 Kg Kb2 0.4115 N.m/rad ηm 0.69
Rm 3 Ω Kg 50.1282 ηt 0.8

D’où la fonction de transfert :

Figure 16 : Réponse de modèles optimisé et réel à un signal SBPA
On représente ici les signaux de sortie du modèle obtenu et du système réel.

‐ 20 ‐


Figure 17 : Agrandissement de la sortie du modèle à un signal SBPA
Ici on représente juste un agrandissement des signaux de sortie qui comme on le voit se suivent
assez bien.

Figure 18 : Réponse indicielle du modèle optimisé 6eme ordre
On voit ici les réponses indicielles qui se superposent presque parfaitement l’une à l’autre et donc
notre modèle est assez bon pour les premiers modes.

‐ 21 ‐


Figure 19 : Pole‐Zéro modèle optimisé 6eme ordre
On voit ici aussi qu’on arrive mieux à placer les pôles aux hautes et basses fréquences.

Figure 20 : Diagramme de Bode modèle optimisé 6eme ordre
Ici on voit qu’on arrive à un bon modèle où l’amplitude des basses fréquences est parfaite, mais celle
aux hautes fréquences est en quelque sorte compensée avec un pic assez important.

‐ 22 ‐

A ce stade on a essayé de modéliser un régulateur mais on n’arrive toujours pas à un régulateur qui
puisse fonctionner correctement sur le système réel. Ceci est dû à une grande amplification des
bruits de mesure à l’entrée. On peut le voir sur le diagramme de la fonction de sensibilité de
l’entrée :

Figure 21 : Fonction de sensibilité à l'entrée RST sans zéro dans S
En essayant de placer un zéro en ‐1 dans le polynôme S de notre régulateur on arrive à baisser la
fréquence de Nyquist mais pas avant où ca reste toujours élevé.

Figure 22 : Fonction de sensibilité de l'entrée RST avec zéro en ‐1 dans S
L’amplitude reste très élevée même en modifiant la place du pôle qu’on ajoute dans S afin de baisser
la fonction de sensibilité de l’entrée. Donc on n’arrive pas à modéliser un régulateur sur la base de ce
modèle. On doit donc essayer d’améliorer encore notre modélisation d’une autre manière.

‐ 23 ‐

c. Modèle sixième ordre optimisé avec masse libre

L’idée que j’ai ensuite essayé, est de libérer la place de la deuxième masse et de laisser à Fmincon le
choix de la placer au mieux pour améliorer notre modèle. On obtient donc les nouveaux paramètres
suivants :

L 0.3384 m Kt, Km 0.0017 N.m Jeq 0.0004 Kg.m2
Lm 0.2917 m Kb1 1.7078 N.m/rad Beq 0.00294 N.m/(rad/s)
m1 0.0112 Kg Kb2 1.3051 N.m/rad ηm 0.7207
m2 0.0019 Kg Kg 49.9509 ηt 0.5094
Rm 2.0351Ω

Et on obtient le modèle suivant :

Figure 23 : Agrandissement de la sortie à un signal SBPA du modèle masse libre optimisé
On voit qu’on arrive bien à suivre le signal de sortie et donc à minimiser le critère d’erreur.

‐ 24 ‐


Figure 24 : Réponse indicielle modèle optimisé avec masse libre
On voit qu’on obtient une réponse indicielle vraiment bien superposée à celle du modèle identifié.

Figure 25 : Pole‐Zéro modèle optimisé avec masse libre
Ici aussi on voit qu’on superpose vraiment bien les pôles de basse fréquence mais ceux des hautes
fréquences sont vraiment différents.

‐ 25 ‐


Figure 26 : Diagramme de Bode modèle optimisé avec masse libre
On voit sur le diagramme de Bode qu’on néglige le pic des hautes fréquences et on obtient donc un
modèle équivalent à ceux du quatrième ordre, mais mieux superposé dans les basses fréquences.
Une idée ici qu’on pas eu le temps de développer est d’augmenter le nombre de masses concentrées
utilisées pour la modélisation du bras qui pourrait donner de meilleurs résultats.
On n’arrive donc pas à modéliser correctement notre bras souple qui est en apparence simple.
C’était prévisible vu qu’on ne considère pas la masse linéique du bras et tous ses modes vibratoires,
ce qui n’est pas évident à modéliser sans le considérer avec des éléments finies, qui sont difficiles à
intégrer dans un modèle mathématique pour l’utiliser en automatique.
Donc à ce stade on a décidé de continuer le projet en identifiant les différents systèmes à étudier.

‐ 26 ‐

III.Identification :

On procède donc à une identification paramétrique des différents modèles à étudier, avec
différentes masses placées à différents endroit du bras. On a identifié en tout cinq modèles à l’aide
des outils d’identification de Matlab, en minimisant l’erreur de sortie (fonction oe) en appliquant un
signal SBPA (signal binaire pseudo aléatoire) à l’entrée. On fait une correction de l’intégrateur à
chaque fois et on a enlève la composante continue et la composante linéaire des signaux entrée et
sortie.
Modèles identifiés :
Hz1 : modèle sans masse qu’on a déjà identifié et utilisé pour la vérification :
Hz2 : modèle avec une masse de 24 g au bout du bras :
Hz3 : modèle avec une masse de 24 g au milieu du bras (230 mm) :
Hz4 : modèle avec deux masses au bout du bras :
Hz5 : modèle avec deux masses au milieu du bras :

‐ 27 ‐


Figure 27 : Diagramme de Bode différents modèles identifiés
Ici on montre la différence qu’il y a entre les systèmes identifiés qui se situe en gros dans la partie
hautes fréquences.

Figure 28 : Pole‐Zéro différents modèles identifiés
Là aussi on montre la place des pôles et on voit qu’aux basses fréquences les pôles sont voisins mais
au niveau des hautes fréquences ils sont assez dispersés.

‐ 28 ‐

IV. Régulateur RST
1. Calcul des régulateurs

Pour modéliser nos régulateurs, on détermine le degré des différents polynômes avec la méthode vu
au cours et on résout l’équation de Diophante. Pour cela on utilise la matrice de Sylvester qu’on
résout à l’aide de Matlab.
a. RST simple

Pour le calcul d’un régulateur sans intégrateur et sans simplification de zéro on a les degrés des
polynômes suivant :
On a notre système :
On choisit donc
On calcule donc
Avec un P de degré 2 et donc PA de degré 3.
Et donc
Donc
D’où l’équation de Diophante suivante :
Sous forme matricielle :

‐ 29 ‐

Avec
b. RST avec un zéro dans le polynôme S

En ajoutant un zéro en ‐1 dans le polynôme S on obtient les changements suivants :
Le degré du polynôme observateur
Et la nouvelle équation de Diophante à résoudre devient :
On pose donc
;
Et sous forme matricielle le système devient :

‐ 30 ‐

2. Régulateur conçu

On a conçu plusieurs régulateurs RST pour les différents systèmes. On a choisi d’utiliser le régulateur
conçu pour le système sans masse vu qu’il est le plus différent des autres qui sont a peu prés la
même chose. Pour cela on va utiliser un régulateur avec les mêmes pôles que celui conçu en
méthode robuste, donc à une fréquence de 14.9 Hz ; fréquence assez basse qui satisfait tout les
autres systèmes. D’où les deux pôles dominants à 0.8243 ± j0.0757 et les pôles du polynôme
auxiliaire et du polynôme observateur à 0.1. On a aussi placé un zéro en ‐1 dans le polynôme S pour
diminuer la fonction de sensibilité de l’entrée comme dans le régulateur robuste.
Ce qui nous donne le régulateur du cinquième ordre suivant :
D’où la fonction de transfert régulée en boucle fermée :

Figure 29 : Pole‐Zero système sans masse avec régulateur RST

‐ 31 ‐

Ici on voit le bon placement des pôles obtenus avec le régulateur conçu. On voit bien la fréquence
choisie et le critère d’amortissement de 0,9.

Figure 30 : Diagramme de Bode fonction de sensibilité de l'entrée
On vérifie ici la fonction de sensibilité de l’entrée qui comme on le voit est assez acceptable ; elle ne
dépasse pas les 40 DB.

Figure 31 : Commande du système pour la trajectoire à suivre
On vérifie aussi l’amplitude de la commande qui ne doit pas dépasser les 5 V pour la consigne qu’on
doit appliquer.

‐ 32 ‐


Figure 32 : Simulation linéaire en boucle fermé du système sans masse
Ici on représente une simulation en boucle fermée avec Matlab. Le régulateur est bien fonctionnel
pour le modèle sans masse, ce qu’on va vérifier par la suite sur le système réel.

‐ 33 ‐

3. Essais sur les systèmes réels

Figure 33 : Test réel du régulateur RST sur le système sans masse
Le test du régulateur sur le système réel est positif à part un léger statisme dû aux frottements qu’on
ne prend pas en compte. Cela dit on peut l’enlever en ajoutant un intégrateur dans notre régulateur,
mais vu que le système en a déjà un, on approche de l’instabilité car la fonction de sensibilité de la
sortie augmente trop.
Ensuite on a essayé notre régulateur sur les différents systèmes en ajoutant des masses à chaque fois
à différents endroits, et on constate que ca ne fonctionne plus en modifiant le système.

Figure 34 : Test RST sur système avec masse de 24 g au bout du bras

‐ 34 ‐


Figure 35 : Test RST sur système avec une masse de 24g au milieu du bras

Figure 36 : Test du RST sur un système avec deux masses de 12 g au bout et au milieu
On voit que le régulateur fonctionne seulement avec le système pour lequel on l’a conçu et on
n’arrive pas à en modéliser un avec la même méthode qui puisse fonctionner pour plusieurs modèles
différents comme ceux qu’on a utilisé ici.

‐ 35 ‐

V. Régulation Robuste
1. Théorie de la méthode de commande et control robuste

Pour vérifier la stabilité d’un système régulé par , on doit donc garantir la stabilité
fonction de transfert en boucle fermée :
Pour cela on étudie les zéros de son polynôme caractéristique. Pour ce
faire, on transforme notre système en un modèle d’état en calculant les matrices A, B, C et D.
Comme exemple on peut citer une manière de construire A nommée Controllable Canonical Form
qui donne :
A= avec
De cette manière on a obtient les zéros de c(z) égaux aux valeurs propres de A, donc si on prouve que
le système de A est ‘stable’ alors celui c(z) l’est aussi. Mais le problème est non linéaire vu que le
contrôleur n’est pas connu, et que ce dernier doit fonctionner pour plusieurs systèmes
; … ; .
Pour rendre le problème convexe on utilise une méthode avec la définition SPR (Strictly Positive Real)
qui facilite le traitement des différents polynômes .
Définition SPRness : Si un système est SPR, il est donc stable et son diagramme de Nyquist appartient
à la partie réelle positive.
Pour cela on utilise le théorème KYP qui dit que G(z) est SPR si et seulement si il existe P=PT>0 tel que
où on satisfait au même moment le théorème de Lyapunov
qui représente le premier élément de notre matrice donc il doit être automatiquement négatif, d’où
la garantie de la stabilité du système.
L’avantage des systèmes SPR qu’on exploite dans cette méthode est la ‘stabilité’ de ses zéros. On
l’utilise donc pour construire un système avec notre polynôme caractéristique c(z) et un
polynôme arbitraire stable d(z) qu’on fixe pour prouver la stabilité de c(z), si on arrive à prouver que
G(z) est SPR en utilisant le théorème KYP avec les matrices A, B, C et D correspondantes au système
G(z) et calculées par exemple avec la méthode citée précédemment : Controllable Canonical Form.

‐ 36 ‐

La procédure qu’on suit est la suivante : on construit un système G(z) avec notre polynôme
caractéristique c(z) et un polynôme stable qu’on fixe. On calcule ensuite les matrices équivalentes A,
B, C et D et on vérifie si le système est SPR avec le théorème KYP.
Pour plusieurs systèmes différents on aura une matrice de la forme :

Espace
Cette inégalité est donc facile à résoudre avec les convexe
méthodes numériques actuelles vu que le choisis
problème devient convexe, mais au même temps
limité à une certaine région fixé par le polynôme
Espace non
d(z).
convexe

H1
Un autre grand avantage de la méthode est que le régulateur qu’on
calcule pour un nombre fini de systèmes arrive aussi à réguler tous les H5 Espace des H2
systèmes qui représentent des combinaisons linéaires de ceux utilisés systèmes
dans la conception du régulateur. contrôlables

H3
H4

On utilise aussi pour dans la modélisation de notre régulateur la méthode de Loop Shaping afin de
minimiser l’amplitude des fonctions de sensibilité de l’entrée et de la sortie.

‐ 37 ‐

2. Régulateur robuste

Grace à la méthode robuste on peut concevoir un régulateur pour différents systèmes plus ou moins
similaires et aussi pour toutes les combinaisons linéaires de ces systèmes. Pour le prouver, on a pris
en considération juste quatre des cinq systèmes identifiés. On a enlevé le système avec une seule
masse au milieu. Le régulateur qu’on obtient est d’ordre 7 :

Figure 37 : Pole‐Zéro système avec régulateur robuste en boucle ferme
On vérifie ici la place des pôles du système sans masse auquel on applique le régulateur en boucle
fermée. On voit que tous les pôles sont à l’intérieur du cercle unité, mais pas aussi bien placés que
pour le régulateur RST.

‐ 38 ‐


Figure 38 : Diagramme de Bode fonction de sensibilite de l'entrée
On vérifie ici l’amplitude de la fonction de sensibilité de l’entrée qui est correcte.

Figure 39 : Commande pour suivre le profil composé d’échelons
On vérifie aussi l’amplitude de la commande qui ne doit pas dépasser les 5V.

‐ 39 ‐


Figure 40 : Simulation linéaire en boucle fermé du système sans masse
On obtient donc la simulation linéaire en boucle fermée du système sans masse qui comme on le voit
arrive bien à suivre mais plus lentement que pour le régulateur RST.

‐ 40 ‐

3. Essais sur les systèmes Réels
a. Essai sur les systèmes utilisés pour concevoir le régulateur

Figure 41 : Test régulateur robuste sur le système sans masse
On constate que notre régulateur fonctionne assez bien sur le système sans masse avec toujours un
léger statisme dû aux frottements.

Figure 42 : Test régulateur robuste sur le système avec une masse de 24 g au bout du bras
Ici aussi notre régulateur reste fonctionnel mais avec quelques oscillations en plus dues à l’inertie de
la masse qu’on ajoute.

‐ 41 ‐


Figure 43 : Test régulateur robuste sur le système avec une masse de 48 g au bout

Figure 44 : Test régulateur robuste sur le système avec masse de 48 g au milieu
On voit que les deux autres systèmes de plus grandes masses arrivent à suivre plus ou moins la
consigne qu’on leur impose.

‐ 42 ‐

b. Essais sur d’autres systèmes

On veut maintenant prouver que notre régulateur est fonctionnel pour d’autres systèmes qui se
trouvent dans l’espace formé par les systèmes utilisés lors de la conception.

Figure 45 : Test régulateur robuste sur le système avec masse de 24 g au milieu
La réponse est assez bonne malgré quelques fluctuations.

Figure 46 : Test régulateur robuste sur le système avec masse de 24 g à 320 mm du moteur
Ici on choisit un autre système situé dans l’espace des systèmes utilisés lors de la conception on
constate que le régulateur fonctionne assez bien.

‐ 43 ‐


Figure 47 : Test régulateur robuste sur le système avec 2 masses de 12 g au bout et au milieu
On a encore choisi un systeme different auquel on constate aussi que notre regulateur est
fonctionnel.
Pour conclure : notre regulateur est bien robuste avec des performances plus ou moins bonnes et La
methode marche bien pour les systemes qui sont des combinaisons des systemes utilisés lors de la
conception.

‐ 44 ‐

VI. Conclusion

Durant ce projet, on a réalisé la difficulté de modéliser un système même s’il est assez simple en
apparence. La modélisation qu’on pouvait faire dans le cadre d’un projet en automatique est plutôt
simple donc on néglige assez de concept dans la vraie physique du système. Mais dans notre cas,
cette simplification du modèle ne nous permet pas de concevoir des régulateurs performants car la
différence entre le modèle et le système réel doit être minimale ce qu’on n’arrive pas à obtenir dans
notre cas.
On a aussi constaté que les régulateurs RST sont des régulateurs très performants mais qui ne
fonctionnent pas pour des systèmes légèrement différents, or les régulateurs robustes sont moins
performants mais ont l’avantage de réguler plusieurs systèmes différents.
Donc en conclusion on peut dire que le choix d’une méthode pour modéliser un régulateur dépend
fortement de l’utilisation du système qu’on doit réguler, et on ne pourra pas trancher sur une
comparaison globale des régulateurs.

‐ 45 ‐

Langue

Bienvenue sur Scribd !

Slama.rapport

Transféré par

Informations du document

Date du transfert

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Description :

Droits d'auteur :

Formats disponibles

Slama.rapport

Transféré par

Description :

Droits d'auteur :

Formats disponibles

Titres liés

FACULTE DES SCIENCES ET TECHNIQUES DE L'INGENIEUR

V. Régulation Robuste _________________________________________________ ‐ 36 ‐

On a que ; et que donc en remplaçant convenablement dans l’équation

Vm (s) Im (s) τm (s) τl (s) (s) θl (s)

Km (s) Kg

Variables Valeurs Définitions

Variables Valeurs Définition

Paramètres Valeurs Paramètres Valeurs Paramètres Valeurs

Paramètres Valeurs Paramètres Valeurs Paramètres Valeurs

Avec : ; ; ; ; et D=0.

Paramètres Valeurs Paramètres Valeurs Paramètres Valeurs

Paramètres Valeurs Paramètres Valeurs Paramètres Valeurs

Paramètres Valeurs Paramètres Valeurs Paramètres Valeurs

Centres d'intérêt liés

Documents similaires à Slama.rapport

Populaire dans Physics

Titres liés

Évaluer

Partager